2026 年的北京車展上，" 物理 AI" 成了被重復(fù)最多的詞之一。

過去兩年，全球科技行業(yè)的主角是數(shù)字 AI：大模型會寫作、會編程、P 圖，幾乎重做了一遍互聯(lián)網(wǎng)入口。但當(dāng)數(shù)字世界的數(shù)據(jù)紅利被快速消化之后，產(chǎn)業(yè)開始把目光投向更大的現(xiàn)實世界——道路、工廠、倉庫、家庭、城市交通系統(tǒng)。

底層技術(shù)從數(shù)字空間遷移到物理空間，已經(jīng)成為新的產(chǎn)業(yè)共識。問題在于，誰能成為物理世界的 OpenAI？

此次北京車展上，Momenta 給出的答案是：自動駕駛就是物理 AI 的序章，而 Momenta 想成為其中的平臺型玩家。

跨界

2026 年 4 月 25 日，Momenta 發(fā)布 R7 強(qiáng)化學(xué)習(xí)世界模型，并將其定義為 " 物理 AI 序章 "。

Momenta CEO 曹旭東在發(fā)布會后對華爾街見聞表示，" 自動駕駛進(jìn)入到了這個階段。" 所謂 " 這個階段 "，是自動駕駛已經(jīng)成為目前少數(shù)能夠同時打通 " 數(shù)據(jù)閉環(huán) " 與 " 商業(yè)閉環(huán) " 的物理 AI 賽道。這是理解 " 為什么自動駕駛是物理 AI 序章 " 的關(guān)鍵。

數(shù)字 AI 過去之所以爆發(fā)，是因為具備三個條件：海量低成本數(shù)據(jù)、快速低成本驗證、成熟商業(yè)入口。互聯(lián)網(wǎng)提供文本、圖片、視頻數(shù)據(jù)，用戶點擊一次、追問一次，模型就獲得一次反饋，產(chǎn)品再通過訂閱、廣告、API 變現(xiàn)。

而大多數(shù)物理 AI 領(lǐng)域并不具備這些條件。

機(jī)器人缺數(shù)據(jù)、缺場景、缺反饋，更缺穩(wěn)定現(xiàn)金流。一個機(jī)械臂想學(xué)會抓杯子，要真實硬件、真實動作、真實損耗；一次試錯的成本，遠(yuǎn)高于數(shù)字世界的一次模型推理。

曹旭東向華爾街見聞直言，OpenAI 早期既做機(jī)器人，也做數(shù)字 AI，但階段性放棄機(jī)器人去做 GPT，一個重要原因就是 " 機(jī)器的數(shù)據(jù)太難獲得了。"

在曹旭東看來，GPT 需要的互聯(lián)網(wǎng)數(shù)據(jù)，本身已經(jīng)具備超大規(guī)模 。但自動駕駛既屬于物理世界，又天然擁有持續(xù)數(shù)據(jù)源。

每一臺量產(chǎn)車都是移動傳感器，每一次通勤、變道、避障、擁堵、泊車，都是模型訓(xùn)練樣本。只要車輛規(guī)模足夠大，真實世界的數(shù)據(jù)就會源源不斷進(jìn)入系統(tǒng)。

與此同時，它還有清晰的商業(yè)入口。

用戶愿意為輔助駕駛買單，車企愿意為智能化競爭力買單，供應(yīng)商可以通過定點、授權(quán)、裝車獲得收入。技術(shù)提升不僅意味著論文成績更高，也意味著銷量更高、ASP 更高、客戶更多。這就是曹旭東所說的正反饋機(jī)制。

" 先有了數(shù)據(jù)閉環(huán)，然后才有足夠好的體驗，這個足夠好的體驗一旦達(dá)到了接近人類的水平或者超過人類的水平的時候，就能夠?qū)崿F(xiàn)爆發(fā)式的商業(yè)化。而這個爆發(fā)式的商業(yè)化之后，又會帶來數(shù)據(jù)爆發(fā)式的增長。" 曹旭東說道。

換句話說，自動駕駛已經(jīng)具備了物理 AI 最稀缺的飛輪結(jié)構(gòu)。而 Momenta 正在這個飛輪里占據(jù)有利位置。

公司披露，已交付超過 70 款量產(chǎn)車型，累計定點車型數(shù)超過 200 款，搭載其系統(tǒng)的量產(chǎn)車輛規(guī)模已超過 80 萬臺。本屆北京車展，超過 20 個品牌、60 余款車型搭載 Momenta 方案，包括奔馳、奧迪、寶馬新發(fā)布車型。

這 80 萬臺車，不只是裝機(jī)量，更是 80 萬個持續(xù)采集現(xiàn)實世界復(fù)雜路況的數(shù)據(jù)節(jié)點。OpenAI 的模型靠全球用戶提問進(jìn)化，Momenta 的模型靠全球車輛上路進(jìn)化。

但有了數(shù)據(jù)，還不夠。物理 AI 真正的難點，不是看見世界，而是理解世界。

破局

曹旭東向華爾街見聞解釋道，大語言模型依靠 Next Token Prediction 預(yù)測下一個詞，從而壓縮數(shù)字世界常識；而物理 AI 要依靠 World Model Prediction，預(yù)測物理世界下一刻狀態(tài)和交互邏輯，讓模型理解物體運(yùn)動規(guī)律、因果關(guān)系和潛在變化。" 因此，世界模型與強(qiáng)化學(xué)習(xí)，共同構(gòu)成物理 AI 的兩大核心支柱。"

這句話拆開看。數(shù)字 AI 的本質(zhì)，是語言預(yù)測。物理 AI 的本質(zhì)，是現(xiàn)實預(yù)測。前車急剎后，后車會不會追尾；雨天路面打滑時，制動距離會延長多少；路邊兒童突然沖出，車輛還有沒有避讓空間——這些都不是文字問題，而是動態(tài)世界問題。

Momenta 給出的解法，是 " 世界模型 + 強(qiáng)化學(xué)習(xí) "。

Momenta 研發(fā) SVP 夏炎指出，Momenta 的世界模型分三層：第一層是預(yù)訓(xùn)練，用海量真實駕駛數(shù)據(jù)把物理規(guī)律、常識與因果關(guān)系壓縮進(jìn)模型；第二層是仿真，讓模型在虛擬環(huán)境中推演行為變化后世界如何演變；第三層是在世界模型中進(jìn)行強(qiáng)化學(xué)習(xí)，讓系統(tǒng)在接近真實的環(huán)境里反復(fù)試錯、自主優(yōu)化。

這套結(jié)構(gòu)，本質(zhì)上是在復(fù)制 OpenAI 的成功路徑，但訓(xùn)練對象從語言變成現(xiàn)實世界。

先學(xué)習(xí)常識，再進(jìn)行后訓(xùn)練，再通過強(qiáng)化學(xué)習(xí)獲得更優(yōu)決策。曹旭東也提到，僅有常識并不代表是好司機(jī)。" 大量的數(shù)據(jù)里面有好的駕駛行為，但是更多的是不好的駕駛行為。" 因此預(yù)訓(xùn)練之后，還需要 Post-Training，" 把它的行為激發(fā)或者對齊到人類好的行為上去。"

這幾乎就是車圈版的 RLHF。現(xiàn)實司機(jī)會急剎、猶豫、加塞、分心，模型若只是模仿人類平均水平，只能成為普通司機(jī)。只有通過強(qiáng)化學(xué)習(xí)篩選更優(yōu)行為，才可能成為超人類司機(jī)。

這也是為什么曹旭東說，自動駕駛是物理 AI 的序章——它是第一個真正需要解決現(xiàn)實世界復(fù)雜博弈，又具備規(guī)模數(shù)據(jù)和商業(yè)回報的場景。

更重要的是，它還能繼續(xù)外溢。曹旭東向華爾街見聞透露，Momenta 的 L4 業(yè)務(wù)不只做 Robotaxi，也做 Robovan，明年還會做 Robotruck。他們相信，" 一個自動駕駛的大模型能夠?qū)崿F(xiàn)所有的自動駕駛垂直應(yīng)用，并且做得更好。"

這意味著，Momenta 并不想只做一家智駕 Tier1，而是想做一個平臺底座。

OpenAI 把同一個模型延伸到搜索、辦公、客服、編程；Momenta 則想把同一個駕駛大模型延伸到乘用車、出租車、物流車、卡車。不同場景共享底層能力，不同場景再反哺模型進(jìn)化。

這是平臺公司的典型路徑。

當(dāng)然，物理 AI 的門票極貴。

曹旭東說，實現(xiàn)規(guī)模化 L4，累計投入 " 至少是百億美金 "；通用機(jī)器人可能需要 " 幾百億美金到千億美金 " 級別投入 ，所以他的結(jié)論非常現(xiàn)實：長期只靠融資并不現(xiàn)實，" 一定要有現(xiàn)金流業(yè)務(wù)來支持物理 AI 的研發(fā)。"

這恰恰是 Momenta 相較許多概念型 AI 公司的優(yōu)勢——它已經(jīng)擁有量產(chǎn)業(yè)務(wù)、客戶訂單和真實收入，再把現(xiàn)金流投入下一代模型訓(xùn)練。

很多公司在談物理 AI 的未來，Momenta 則是在用自動駕駛養(yǎng)出物理 AI 的未來。

十年前，曹旭東在硅谷看到 Fairchild Drive，那條以仙童半導(dǎo)體命名的街道點燃了他的創(chuàng)業(yè)念頭。他說，希望與所有中國 AI 公司一起，書寫屬于東方的硅谷傳奇 。今天看，這個愿景的現(xiàn)實版本或許是：OpenAI 先讓機(jī)器學(xué)會說話，Momenta 想讓機(jī)器學(xué)會在現(xiàn)實世界里行動。

以下是與 Momenta CEO 曹旭東的對話實錄：

問：當(dāng)下全球汽車產(chǎn)業(yè)流行反向合資，越來越多的海外車企看重了中國的科技巨頭，怎么看待這種新的趨勢？

曹旭東：中國的技術(shù)現(xiàn)在正在從中國走向世界，整個發(fā)展速度非常快的，進(jìn)入海外的市場，比如說進(jìn)入歐洲的市場，進(jìn)入其他的一些市場的時候，給當(dāng)?shù)赜脩魩砀I(lǐng)先的產(chǎn)品價值，但是另外一方面也會帶來一些沖擊，比如說沖擊當(dāng)?shù)氐墓尽?dāng)?shù)氐木蜆I(yè)或者是當(dāng)?shù)氐亩愂盏鹊取?/p>

比較好的一個解決方案就是借鑒中國之前的模式，就是跟中國學(xué)習(xí)，來做反向合資，反向合資完之后，既讓當(dāng)?shù)叵硎艿搅酥袊呖萍嫉募夹g(shù)和產(chǎn)品很好的用戶體驗，另外一方面就相當(dāng)于是中國的技術(shù)賦能當(dāng)?shù)仄髽I(yè)，對當(dāng)?shù)仄髽I(yè)帶來更多的發(fā)展，帶來更好的工作機(jī)會、更多的就業(yè)、更好的稅收，是一個共贏的模式。

問：今年車展上有哪些海外的客戶和 momenta 交流？過程中有過哪些挑戰(zhàn)？

曹旭東：不光是今年，去年的時候我們就已經(jīng)是全球品牌的共同選擇了，在全球最頂尖的品牌里面，像德系的 BBA、大眾，日系的豐田、本田、日產(chǎn)，美系的通用、福特，都已經(jīng)是我們量產(chǎn)的合作客戶了。

挑戰(zhàn)的話，最常見的挑戰(zhàn)，是中國的速度和國際 OEM 的標(biāo)準(zhǔn)，有時候是矛盾和沖突的，但是這個矛盾和沖突主要圍繞著客戶和用戶，以客戶和用戶的價值為中心去共創(chuàng)，很多時候都能找到更好的創(chuàng)新性的方法，帶來更好的結(jié)果。

問：數(shù)據(jù)飛輪在實際量產(chǎn)的過程中，最大的瓶頸是什么？

曹旭東：數(shù)據(jù)這件事情，它不是單單的數(shù)據(jù)本身，你可以認(rèn)為數(shù)據(jù)它就是礦石，而且是含礦量很低的鐵礦石，所以你要把數(shù)據(jù)真的用起來的話，首先你要把這個貧礦變成富礦。

我舉一個例子，在高速上三只小狗排隊橫穿高速，這樣的場景真的是萬中無一、萬里挑一，你怎么把這個數(shù)據(jù)給挑出來？它的難度本身就是一個大海撈針的難度，這已經(jīng)有很高的門檻了，你怎么把貧礦變成富礦，再從富礦變成鋼鐵，鋼鐵又變成發(fā)動機(jī)，發(fā)動機(jī)最終又裝到車上，這才是最終的價值，所以整個的數(shù)據(jù)飛輪的體系，它是一個體系能力，擁有原始數(shù)據(jù)，擁有海量的原始數(shù)據(jù)僅僅是一個價值源頭的 10%，剩下的 90% 是來自于這個體系的價值，這是第一個問題。

問：現(xiàn)在有一種說法，數(shù)據(jù)不難，但是用好數(shù)據(jù)比較難，Momenta 怎么去用好這些數(shù)據(jù)？

曹旭東：像我們的大模型，我們可能會分為預(yù)訓(xùn)練的階段和 Post-Training 的階段，預(yù)訓(xùn)練的階段，海量的來自于我們的量產(chǎn)車，我們現(xiàn)在已經(jīng) 80 萬臺車了。海量量產(chǎn)的數(shù)據(jù)，而且量產(chǎn)的數(shù)據(jù)包括了大量的長尾數(shù)據(jù)，通過 World Model Pre-Training 來預(yù)訓(xùn)練這個模型。

預(yù)訓(xùn)練完這個模型之后有物理常識，但是有物理常識不代表它是一個好司機(jī)，因為大量的數(shù)據(jù)里面有好的駕駛行為，但是更多的是不好的駕駛行為，所以就有一點像數(shù)字 AI 里面大模型的訓(xùn)練一樣，你通過海量的數(shù)據(jù)作為輸入，它具備了這個世界的常識，但是不代表著它有好的行為，所以你還是需要 Post-Training，通過 Post-Training，把它的行為激發(fā)或者對齊到人類好的行為上去，大概會分為這兩個環(huán)節(jié)。

問：今年北京車展上很多的車企都在強(qiáng)調(diào)自己的輔助駕駛技術(shù)路線的不同，Momenta 的世界模型最大的特點是什么？

曹旭東：更重要的不是單點算法，是架構(gòu)能力，架構(gòu)能力已經(jīng)比單點算法能力更強(qiáng)了，因為一旦涉及到架構(gòu)一定涉及到取舍，不是所有的創(chuàng)新都能放到同一個架構(gòu)里面，涉及到架構(gòu)的話就涉及到取舍，好的架構(gòu)能夠?qū)崿F(xiàn)更好的積累和更好的合力，架構(gòu)之上又包含了體系，這個體系包含了數(shù)據(jù)迭代的體系，包括了訓(xùn)練的體系，也包括了整個迭代的體系和驗證的體系，體系之上更多的是組織和文化，就有一點像中國有一句古話，淮南為橘、淮北為枳。

我覺得根本上的企業(yè)之間的差距來自于組織和文化和對應(yīng)的體系的建設(shè)，這是有更大的差距的。而具體的單點的算法的話，這個創(chuàng)新當(dāng)然很重要了，每一代的算法架構(gòu)的創(chuàng)新，實際上會帶來大的進(jìn)步，但是坦率來說，在中國的環(huán)境下，知識的流動和人才流動的速度其實是比較快的，僅僅是單點算法的話，并不存在特別大的壁壘或者差異性，有壁壘的是體系和組織的能力，所以你會發(fā)現(xiàn)，可能大家說的都是同樣的單點算法的方向，但是最終做出來的效果可能有一代或者兩代的差距，背后不是單點算法的差距，背后是體系和組織的差距。

問：Momenta 成立 10 周年過程中的分享？

曹旭東：我覺得還是蠻幸運(yùn)，一路走來，最重要的還是跟志同道合的人去干真正喜歡的事情，真的會讓你的人生生機(jī)勃勃，創(chuàng)業(yè)過程中有很多的困難和挑戰(zhàn)，這些困難和挑戰(zhàn)，每一年都會覺得，這一年可能是最難的，過了這一年明年可能會更好，但實際上不是。

如果你不享受發(fā)現(xiàn)問題、解決問題的過程，你不享受和你身邊志同道合的人共同去探索、共同去面臨困難和解決困難的過程，其實創(chuàng)業(yè)遇到的這些困難是很難堅持下去的。可能咬著牙堅持一年，咬著牙堅持兩年，咬著牙堅持三年，很難堅持十年，所以你一定要找到志同道合的人去干喜歡的事情，去讓自己的人生生機(jī)勃勃。

問：物理 AI 被英偉達(dá)的黃教主帶火之后，很多公司都說是物理 AI 的公司，Momenta 在物理 AI 方面是一個什么樣的位置？

曹旭東：首先我覺得物理 AI 是大勢所趨，首先大家都知道數(shù)字 AI 有很大的優(yōu)勢，第一個就是數(shù)字 AI 的數(shù)據(jù)能夠快速的呈規(guī)模的獲得。大家都知道 Open AI 很早的時候，有機(jī)器人、有數(shù)字 AI，但是后來在聚焦的過程中，階段性的放棄了機(jī)器人，選擇了去做 GPT，很重要的原因是機(jī)器的數(shù)據(jù)太難獲得了。

而 GPT 需要的是互聯(lián)網(wǎng)的數(shù)據(jù)，而互聯(lián)網(wǎng)的數(shù)據(jù)本來就已經(jīng)是非常大規(guī)模了。數(shù)字 AI 在過去幾年實際上是突飛猛進(jìn)，當(dāng)然另一方面數(shù)字 AI 能夠更加低成本、短周期的檢驗，因為它能夠在數(shù)字世界上去互動，它的成本是更低的，周期是更短的，就比如說現(xiàn)在 Agent 要調(diào)用的話，只需要給一個接口。但是機(jī)器人要調(diào)用某一個工具的話，它要把機(jī)械手造出來，并且要抓取那個工具，并且來使用那個工具，那個難度和復(fù)雜度都會大非常多。

但是，我們所在的世界，既有數(shù)字的部分，又有物理的部分，而物理的部分可能是更大的一部分，所以當(dāng)數(shù)字世界整個的發(fā)展取得了非常大的進(jìn)展之后，自然而然的很多的成功的經(jīng)驗和方法就要進(jìn)入物理世界，并且在物理世界中做創(chuàng)新，這也是為什么我覺得現(xiàn)在是物理 AI 的序章剛開始。

再回到我們公司，講到物理 AI，其實物理 AI 我覺得最核心的，一個是數(shù)據(jù)閉環(huán)，一個是商業(yè)閉環(huán)，而且這兩者是互動的。我有一個經(jīng)驗，這個經(jīng)驗就是，任何一個人工智能的應(yīng)用，一旦接近人類的水平，就會在很短的時間大幅超過人類的水平，這背后的邏輯是什么呢？

僅僅是我的一個觀察，就比如說你看 Alpha Go 也好，或者過去的人臉識別也好，前面經(jīng)過了一個非常漫長的爬坡期去接近人，接近人可能花了十年、二十年很長的時間，但是超越人，或者大幅地超越人，有可能就發(fā)生在 1、2 年，2、3 年的時間，一開始有這個觀察之后，我就在想背后的原因到底是什么？

后來就覺得最關(guān)鍵的還是數(shù)據(jù)閉環(huán)和商業(yè)閉環(huán)，而且這兩者之間是正反饋的，因為先有了數(shù)據(jù)閉環(huán)，然后才有足夠好的體驗，這個足夠好的體驗一旦達(dá)到了接近人類的水平或者超過人類的水平的時候，就能夠?qū)崿F(xiàn)爆發(fā)式的商業(yè)化。

而這個爆發(fā)式的商業(yè)化之后，又會帶來數(shù)據(jù)爆發(fā)式的增長，而數(shù)據(jù)爆發(fā)式的增長又會帶來模型能力進(jìn)一步的爆發(fā)式增長，最終能夠互相促進(jìn)、互相激發(fā)，形成強(qiáng)烈的正反饋，而強(qiáng)烈的正反饋使得在很短的時間內(nèi)就能夠?qū)崿F(xiàn)十倍、百倍甚至千倍人類的經(jīng)歷。

我們的判斷就是自動駕駛進(jìn)入到了這個階段，機(jī)器人還需要一段時間，這是第一點。所以自動駕駛是物理 AI 的序章，因為它最先實現(xiàn)了規(guī)模的數(shù)據(jù)閉環(huán)和規(guī)模的商業(yè)閉環(huán)。

第二點就是，你看自動駕駛要實現(xiàn)規(guī)模化的 L4，我的判斷累計的投入至少是百億美金，而且有可能還是創(chuàng)業(yè)公司的研發(fā)效率，如果你是大公司的話不只是百億美金，可能需要幾百億美金。

但是機(jī)器人呢？通用的機(jī)器人它需要多少錢？我的判斷可能是幾百億美金到千億美金這個級別，有可能還是創(chuàng)業(yè)公司的研發(fā)效率。所以我的判斷就是，物理 AI 它是需要有門票的，而這個門票就是你需要有現(xiàn)金流的業(yè)務(wù)，雖然現(xiàn)在整個中國具身智能的資本市場是非常活躍的，但是長期來看，要靠投資，要靠融資，追蹤做成通用的物理 AI，或者物理世界的 AGI 是不現(xiàn)實的，而是一定要有現(xiàn)金流業(yè)務(wù)，而這個現(xiàn)金流業(yè)務(wù)可以是自動駕駛，也可以是物理 AI 某一個方向，雖然我現(xiàn)在沒有想到，其他的某一個方向能夠更早地實現(xiàn)規(guī)模化的數(shù)據(jù)閉環(huán)和商業(yè)閉環(huán)，或者其他來自于數(shù)字 AI 的現(xiàn)金流業(yè)務(wù)。無論如何一定要有一個現(xiàn)金流業(yè)務(wù)來支持物理 AI 的研發(fā)。

問：今年 L4 業(yè)務(wù)的進(jìn)度如何？Momenta 做 Robotaxi 的優(yōu)勢？

曹旭東：我們公司的 L4 并不是只做 Robotaxi，也會做 Robovan，就是物流。因為我們十年的愿景里面，十年物流和出行的效率翻倍，實際上物流是放在更前面的，出行放到后面，明年我們也會做 Robotruck，雖然我們今年不會做，但是我們明年會做。

背后的底層邏輯是什么呢？還是回到今天提到的 Jeff Hawkins 那一本書里面，它講到了一個核心概念就是一個神經(jīng)網(wǎng)、一個大模型能夠?qū)崿F(xiàn)通用 AI 的能力，具體落地到自動駕駛這個領(lǐng)域的話，我們相信的是什么呢？我們相信的是一個自動駕駛的大模型能夠?qū)崿F(xiàn)所有的自動駕駛的垂直應(yīng)用，并且做得更好。

而且這件事情我們已經(jīng)在 Robotaxi、Robovan 和乘用車上成功的驗證了，并且取得了很好的效果。這個帶來的價值是什么呢？帶來的價值就是你在每一個 vertical 的研發(fā)成本會大幅度的降低。而每個應(yīng)用場景，每個垂直應(yīng)用場景的經(jīng)驗和數(shù)據(jù)，又可以匯總和吸收到這個大模型里面，使得每個垂直領(lǐng)域做得更好，這實際上就是一個平臺優(yōu)勢。

這個就有一點像十年前或者十幾年前整個的互聯(lián)網(wǎng)行業(yè)，有垂直電商，也有平臺電商，但是最終勝出的都是平臺電商，垂直電商可能現(xiàn)在都不存在了，很重要的原因就是這個平臺效應(yīng)帶來的。我們的判斷在自動駕駛在大模型領(lǐng)域也存在著很強(qiáng)的這樣的平臺效益，一個大模型能夠?qū)崿F(xiàn)所有的垂直領(lǐng)域，并且能夠做得更好，這樣每個垂直領(lǐng)域的成本更低，效果會更好。

問：2030 年會不會迎來智駕的終局？

曹旭東：整個智駕或者整個自動駕駛它有非常強(qiáng)的規(guī)模效應(yīng)和先發(fā)優(yōu)勢，它的效應(yīng)會比芯片行業(yè)更強(qiáng)，所以你回顧歷史可以看到，這個芯片行業(yè)，不管是 PC 時代的芯片，實際上全球就只有兩家，手機(jī)芯片的時代全球也就只有兩家，高通和 MTK。

自動駕駛，因為它是軟件，它的邊際成本是零，所以它的規(guī)模效應(yīng)更強(qiáng)，它的規(guī)模效應(yīng)除了成本上的規(guī)模效應(yīng)，還有體驗上提升的規(guī)模效應(yīng)。

另一方面，面向主機(jī)廠有特別強(qiáng)的先發(fā)優(yōu)勢，因為主機(jī)廠很多業(yè)務(wù)都是敲門敲三年，從你見到客戶到拿下合同是 3 年，如果是國際 OEM 的話，可能要敲門敲 5-7 年。

比如說我們和奔馳的合作，2017 年奔馳就投資了我們，而且當(dāng)時特別巧，Ola K llenius（康林松）現(xiàn)在奔馳的董事長他覺得這個公司特別有活力選擇投資我們，但是我們跟奔馳的第一個量產(chǎn)項目上市是 2025 年的后半年，經(jīng)歷了整整 8 年的時間，其實已經(jīng)加速了。

我當(dāng)時問了一個清華的師兄，那個清華的師兄告訴我說，你們跟奔馳合作量產(chǎn)至少需要十年。我們中間 2017 年到 2020 年是 POC，2020 年到 2022 年是 Pre SOP，2022 年到 2024 年是小批量的量產(chǎn)開發(fā)，到了 2024 年才拿到了奔馳所有的電車和油車的業(yè)務(wù)，2025 年底的時候才真正的量產(chǎn)。

所以舉一個例子可以感受到，汽車行業(yè)敲門敲 3 年，國內(nèi)的 OEM 敲門敲 3 年，海外的 OEM 敲門敲 5-7 年，到底是一個什么樣的原因？因為這個行業(yè)有非常強(qiáng)的規(guī)模效應(yīng)和非常強(qiáng)的先發(fā)優(yōu)勢，所以我還是維持我原來的判斷，中國也就 2-3 家，全球也就 3-4 家，會非常快速地收斂。

來源：全天候科技